四專案系列-四個使用 Python 的 AI 演算法的專案

參與者條件 : 基礎 Python • 基礎數學

學習的技術 : 分類演算法 • K 最近鄰 • K 均值 • 樸素貝葉斯 • 層次聚類 • 群體模擬 • 粒子群優化 (PSO) • 專家系統 • 前饋網絡 • 反向傳播 • 網路拓撲

在這一系列的即時專案中，你將了解一些最常見的人工智慧演算法如何在幕後工作，並使用它們來解決有趣且引人入勝的問題。你不需要專業的 Python 技能或大量數學知識即可開始。透過建立一個分類演算法模型來直接深入研究，該模型可以將塗鴉轉換為電話號碼，然後探索粒子群最佳化和 Boids 演算法來模擬鳥群。接下來，你將深入研究專家系統（人工智慧的經典方法），並使用它們創建人工智慧來幫助識別動物園參觀者正在看的動物種類。最後，你將建立一個有效的神經網路來幫助銀行揭開客戶手寫存款單的神秘面紗。

這些專案是為學習目的而設計的，並不是完整的、可用於生產的應用程式或解決方案。

涵蓋專案

專案 1 Simple Classification

這個 liveProject 將您帶到一家獨立書店的前線，那裡潦草的筆記可能會導致銷售陷入停滯。從頭開始學習分類演算法，您將使用四種不同且極其簡單的分類器來開發人工智慧解決方案，將難以辨認的塗鴉變成可識別的數字。

專案 2 Swarms

在此 liveProject 中，您將實作粒子群最佳化和 Boids 演算法來開發計算模型來追蹤雀群。您將從一個簡單的群體模擬器開始，然後對其進行修改以適應障礙物，使用重力機器人採用不同的方法，最後使用受群體啟發的演算法來找到複雜數學表面上的最高點。您很快就會擁有一種演算法，可以預測從成群的雀鳥到搖擺的音樂會觀眾的所有物體的運動！

專案 3 Expert Systems

在此 liveProject 中，您將透過製作三種不同類型的專家系統來自動接管動物園的管理，以幫助客戶確定他們正在查看的動物。專家系統透過將專家的專業知識編碼到知識庫中來捕捉專家的專業知識。您將創建一個 20 個問題式遊戲專家系統原型，然後使用邏輯規則和布林語句對其進行擴展，以建立更強大、更現實的專家系統。

專案 4 Neural Networks

在此 liveProject 中，您將為銀行建立能夠對存款單上寫的數字進行分類的神經網路。客戶經常手寫寫下他們的重要帳戶詳細信息，您需要創建一個能夠有效讀取他們的筆蹟的模型。您將使用經過反向傳播訓練的前饋網路來高度準確地識別手繪數字。另外，該項目包含一個可選的獎勵里程碑！透過使用 TensorFlow 和 Keras 庫建立第一個模型的替代且更靈活的版本，進一步加深您對神經網路的了解。您將獲得這些工具的標準庫的實踐經驗，並且透過新模型，您將能夠輕鬆分析網路的成功率並嘗試不同的激活函數。

到官網看更多

圖書資源

當您開始本系列中的每個專案時，您將可以在 90 天內完全訪問以下書籍。

專案作者 Rod Stephens

Rod Stephens 最初是一名數學家，但後來發現了演算法的樂趣，並從此開始編程。 Rod 連續 15 年擔任 Microsoft Visual Basic 最有價值專家 (MVP)，曾在使用者小組和會議上發表演講，並教授入門性程式設計課程。他撰寫了超過 35 本書，包括 Essential Algorithms: A Practical Approach to Computer Algorithms Using Python《基本演算法：使用 Python 和 C# 進行電腦演算法的實用方法》和 C# and Beginning Software Engineering《軟體工程入門》，這兩本書都包含與該系列 liveProjects 相關的資料。